Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Distribuciones de probabilidad
Objetivos
• Distribuciones
• Representaciones gr´aficas
• Ejercicios
• Aplicaciones
1 Introducci´on
En esta pr´actica utilizaremos una herramienta de matlab, llamada disttool, que nos permitir´a
comprender de manera intuitiva las distribuciones de probabilidad. disttool es un
entorno gr´afico que representa la funci´on de densidad (pdf, del ingl´es probability distribution
function) o la funci´on de distribuci´on acumulada (cdf, del ingl´es cumulative distribution
funci´on de distribuci´on cdf. Adem´as de la gr´afica observamos unos valores de los par´ametros
que en este caso son µ=0 y σ=1. El valor calculado (probabilidad=0.5) corresponde al valor
1 INTRODUCCION´ 2
2.0, escribimos este valor en la caja correspondiente que se encuentra debajo del gr´afico.
Para ello, pinchamos con el rat´on en esa caja para seleccionarla y escribimos en ella. Como
resultado las l´ıneas de referencia se mueven al punto correspondiente que en este caso es
en la parte superior derecha, comprendemos por que este valor tan alto: la mayor parte de
la funci´on se encuentra a la izquierda del punto considerado y por lo tanto la integral hasta
ese punto es pr´acticamente la unidad. En esta gr´afica podemos leer el valor de la densidad
manera instant´anea. Por ejemplo, pasamos a σ = 1.5 y observamos una funci´on de distribuci´on
m´as aplanada, el valor de la densidad es ahora 0.1093 y el ´area encerrada por la
curva hasta el valor x = 2.0 es m´as peque˜na (probabilidad acumulada menor). Esto ´ultimo
se comprueba volviendo a la representaci´on cdf que nos indica una probabilidad p = 0.9088
funci´on pdf.
Las gr´aficas cdf permiten adem´as realizar el c´alculo inverso. Por ejemplo si queremos
calcular cual es el valor cr´ıtico por debajo del que se acumula el 80% de probabilidad,
con ayuda del rat´on: se coloca el puntero sobre la l´ınea que deseamos mover, se pulsa el bot´on
izquierdo del rat´on y sin soltarlo se arrastra la l´ınea hasta la posici´on deseada. Despues de
normcdf(x, µ, σ)
norminv(P, µ, σ)
binopdf(x, n, p)
binocdf(x, n, p)
poisspdf(x, λ)
poisscdf(x, λ)
Seleccionamos en el men´u desplegable discrete uniform (no se debe confundir con uniform
que veremos m´as adelante). En este caso los posibles valores de la variable aleatoria son
tomar la variable; por ejemplo este valor es 6 si estamos en el caso sencillo del lanzamiento
muestra igual probabilidad con densidad 0.1667 = 1/6 para 1 ≤ x ≤ 6 y 0 para el resto. Si
la misma densidad 1/6. Si escribimos 2.5 obtenemos densidad nula ya que la distribuci´on
que 3 al lanzar el dado es de 1/2. Si calculamos ´esta para x = 3.5 el resultado es id´entico
por ser una distribuci´on discreta como ya indica el aspecto escalonado de la cdf. ¿Cual es
la probabilidad de que este n´umero sea 6 o menor? efectivamente es la unidad puesto que
ya sab´ıamos que los valores que puede tomar la variable aleatoria de nuestro ejemplo son
Recordemos que una variable aleatoria binomial es la funci´on que da el n´umero de ´exitos en
uno de los cuales puede ser clasificado de ´exito o fracaso, y cuya probabilidad de ´exito es un
valor p constante en todos los ensayos. La variable binomial podr´a tener valores en el rango
X = {0, 1, 2, . . . , n}.
nos aparecen como par´ametros variables el n´umero de ensayos (en ingl´es trials) y la
probabilidad de cada uno de ellos. Utilicemos el gr´afico de la pdf para resolver un ejemplo
sencillo.
Ejemplo 1: Supongamos que la probabilidad de que un componente pase una prueba de impacto
sea 3/4. ¿ Cual es la probabilidad de que exactamente 2 de los siguientes 4 componentes
b(2; 4, 0.75) =
!
3
4−2
x=0
2 DISTRIBUCIONES DISC